[發明專利]一種基于幀分類的語音端點檢測方法及裝置

在審

• 申請號: 202111208674.7
• 申請日: 2021-10-18
• 公開（公告）號: CN114141234A
• 公開（公告）日: 2022-03-04
• 發明（設計）人: 王亞東
• 申請（專利權）人: 浙江大搜車軟件技術有限公司
• 主分類號: G10L15/05
• 分類號: G10L15/05
• 代理公司: 杭州華進聯浙知識產權代理有限公司 33250
• 代理人: 賀才杰

1.一種基于幀分類的語音端點檢測方法，其特征在于，所述方法包括，

獲取待檢測的第一語音數據；

對所述第一語音數據進行分幀處理，得到多個第一語音數據幀，每個第一語音數據幀的時間長度相同；

對所述多個第一語音數據幀進行特征提取，得到每個第一語音數據幀的第一特征；

將所述第一特征輸入預先訓練好的分類模型中，得到每個第一語音數據幀對應的第一標簽；所述分類模型用于對所述第一語音數據幀進行分類，所述第一標簽用來表示所述第一語音數據幀中是否包含有效語音；

根據所述第一語音數據幀及對應的第一標簽，確定所述第一語音數據的語音端點。

2.根據權利要求1所述的基于幀分類的語音端點檢測方法，其特征在于，所述根據所述第一語音數據幀及對應的第一標簽，確定所述第一語音數據的語音端點，包括，

若連續M個第一語音數據幀中包含有效語音信息，則確定第一個包含有效語音信息的第一語音數據幀為所述第一語音數據的一段語音開始幀；其中，M為大于或等于5的自然數；

若連續N個第一語音數據幀中不包含有效語音信息，則確定第一個不包含有效語音信息的第一語音數據幀為所述第一語音數據的一段語音結束幀；其中，N為大于或等于5的自然數；

所述語音開始幀和所述語音結束幀為所述第一語音數據的語音端點。

3.根據權利要求1所述的基于幀分類的語音端點檢測方法，其特征在于，所述獲取待檢測的第一語音數據之前，包括，

構建用于所述分類模型訓練的第二語音數據幀；

對所述第二語音數據幀進行特征提取，得到第二特征；

構建所述分類模型，所述分類模型包括2個門控循環單元層和3個全連接層，所述分類模型用于對所述第二語音數據幀進行分類；

根據所述第二特征對所述分類模型進行訓練。

4.根據權利要求3所述的基于幀分類的語音端點檢測方法，其特征在于，所述構建用于所述分類模型訓練的第二語音數據幀，包括，

獲取語音數據集，所述語音數據集中包括多個第三語音數據，所述多個第三語音數據中包括有效語音和無效語音；

對所述第三語音數據進行純語音提取，得到純語音數據集，所述純語音數據集中包括多個純語音數據；

對所述多個純語音數據進行分幀處理，得到每個純語音數據對應的多個純語音數據幀，每個所述純語音數據幀的時間長度相同；

根據所述多個純語音數據幀構建所述第二語音數據幀。

5.根據權利要求4所述的基于幀分類的語音端點檢測方法，其特征在于，所述根據所述多個純語音數據幀構建所述第二語音數據幀，包括，

將所述多個純語音數據進行拼接，在相鄰的兩個純語音數據之間插入K個靜音數據幀，得到所述第二語音數據幀；所述第二語音數據幀由所述純語音數據幀和所述靜音數據幀構成；其中，K為10～50的自然數；

所述靜音數據幀的時間長度與所述第二語音數據幀的時間長度相同。

6.根據權利要求5所述的基于幀分類的語音端點檢測方法，其特征在于，所述根據所述多個純語音數據幀構建所述第二語音數據幀之后，包括，

對所述第二語音數據幀進行標記，得到第二標簽，所述第二標簽用于對所述分類模型進行驗證。

7.根據權利要求5所述的基于幀分類的語音端點檢測方法，其特征在于，所述對所述第二語音數據幀進行特征提取，得到第二特征，包括，

對當前第二語音數據幀及所述當前第二語音數據幀的前L個第二語音數據幀進行特征提取，將提取的特征作為所述當前第二語音數據幀的第二特征；其中，L為大于或等于5的自然數。

8.根據權利要求3所述的基于幀分類的語音端點檢測方法，其特征在于，所述根據所述第二特征對所述分類模型進行訓練，包括，

在訓練所述分類模型的每次迭代前，在所述第二語音數據幀中加入噪聲。